随着计算机技术的发展,位置服务的需求也大幅增加,高精度的室内位置估计逐渐成为位置服务的核心内容。对于WLAN(Wireless Local Area Network)室内定位系统,由于其覆盖范围越来越广,系统中也不需要添加额外的位置估计硬件,因此获得了最广泛的关注。而移动体的实时位置信息同样是十分重要的,室内跟踪技术也因此得到了快速的发展。然而在WLAN室内定位系统中,由于噪声和信道多径特性的影响,传统的位置指纹技术利用的信息较少,只能提供静态的匹配,并不能提供精确定位。因此在WLAN室内定位系统中进行精确跟踪便成为一个研究重点。基于粒子滤波的估计理论可以很好的用来进行跟踪,因为它相比位置指纹技术利用了更多的信息,如移动体的速度和噪声分布等信息。因此本文为了提高WLAN室内定位系统的跟踪精度进行了以下研究:首先,本文研究了粒子滤波算法的原理和基本流程,分析了WLAN室内定位系统的特点,介绍了结合粒子滤波算法和模式匹配算法的WLAN室内粒子滤波优化跟踪算法,并提出初始化加速收敛处理方法,通过仿真对算法的跟踪性能进行了研究。其次,分析了上述粒子滤波优化算法及传统的模式匹配算法存在的问题,研究了非参数密度估计技术,由此提出了基于非参数化粒子滤波的WLAN室内跟踪算法。最后,进一步通过引入辅助粒子滤波解决了粒子滤波的退化问题,提出了基于非参数化辅助粒子滤波的WLAN室内改进跟踪算法。同时通过真实WLAN环境下的仿真分析了本文所提的非参数粒子滤波和非参数辅助粒子滤波算法的跟踪性能,并与传统算法的性能进行了对比。